ConAI Compass Sayı 10

Merhaba sevgili okurumuz,

Bu hafta yapay zekâ gündemi, AI’nın artık yalnızca hız kazandıran bir yardımcı değil; sorumluluk, yetki ve karar alanlarını yeniden tanımlayan bir katmana dönüştüğünü gösteriyor.

Bir yanda agentic commerce tartışmaları var. Alışverişten karşılaştırmaya, planlamadan satın almaya kadar uzanan sürecin giderek insanın elinden çıkıp yazılımlara devredilmesi, dijital ekonominin temel varsayımlarını zorluyor. Meta’nın Manus hamlesi de bu değişimin tesadüf olmadığını, asıl rekabetin “konuşan” değil “işi bitiren” AI sistemlerinde yoğunlaştığını gösteriyor.

Diğer yanda, daha sessiz ama en az bunun kadar kritik bir dönüşüm yaşanıyor. Sürdürülebilirlik ekiplerinin gündelik işlerinde GHG denetimleri gibi yüksek stresli, veri yoğun ve hata toleransı düşük süreçlerde yapay zekâ artık bir hızlandırıcıdan çok, bir düzen kurucu rol üstlenmeye başlıyor. Doğru belgeleri seçmek, denetimi önceden simüle etmek, denetim sırasında bilgiye anında erişmek ve sonrasında kurumsal hafıza oluşturmak… Aslında AI burada işleri devralmıyor; daha kontrollü, izlenebilir ve öğretici hale getiriyor.

Bu iki uç, aslında aynı noktada buluşuyor. İster ticarette, ister sürdürülebilirlikte olsun, mesele AI’nın ne ürettiği değil; hangi sınırlar içinde, hangi sorumlulukla ve hangi akılla çalıştırıldığı. Yetki arttıkça, çerçeve çizmenin değeri de artıyor.

Kısacası bu hafta, yapay zekânın merkezinde şu sorunun daha net hale geldiğini görüyoruz:
AI’yı daha çok çalıştırmak mı istiyoruz, yoksa daha doğru çalıştırmak mı?

Cevabı net olanlar için AI güçlü bir kaldıraç olmaya devam ediyor.

Keyifli okumalar dileriz.

Bu bülteni okuyan her yeni kişi, yapay zekâyı daha sağlıklı tartışan bir iş dünyasına küçük bir katkı demek.

Eğer siz de faydalı bulduysanız, aşağıdaki linki çevrenizle paylaşabilirsiniz.

Dijital ticaret uzun yıllardır aynı kabulle ilerledi: Kullanıcı arar, seçenekleri inceler, karar verir ve satın alır. Siteler buna göre tasarlandı, reklamlar buna göre kurgulandı, bütçeler buna göre dağıtıldı. Bugün bu kabullerin bir kısmı artık geçerli değil.

Çünkü satın alma sürecinde sahneye yeni bir aktör çıkıyor: Kullanıcı adına hareket eden yapay zekâ ajanları.

Agentic commerce, öneri motorlarından ya da chatbot’lardan farklı bir şeyi anlatıyor. Buradaki sistemler yalnızca yardımcı olmuyor; işi bizzat yapıyor. İhtiyacı anlıyor, seçenekleri eliyor, kriterlere göre karşılaştırıyor ve işlemi tamamlıyor. Kullanıcı süreci başlatıyor ama ayrıntılarla uğraşmıyor.

Bu fark önemli. Bugüne kadar kullanılan AI çözümleri genelde çağrıldığında devreye girerdi. Agentic sistemler ise görev alır. Hedef verildiğinde, oraya ulaşmak için bir dizi karar alır. İnsan gibi düşünmez ama insan adına ilerler. Ve bu, ticaretin çalışma şeklini doğrudan etkiler.

Bu dünyada rekabetin dili de değişiyor. Görsel tasarım, marka tonu ya da alışkanlıklar tamamen önemsiz hâle gelmiyor ama tek başına yeterli olmuyor. Çünkü AI ajanlar duyguyla hareket etmiyor. Daha ucuz mu, daha hızlı mı, daha sorunsuz mu, daha net mi? Karar kriterleri bunlar. Hikâye anlatımı değil, iş görme kapasitesi öne çıkıyor.

Burada rahatsız edici bir soru ortaya çıkıyor:
En önemli müşteriniz yakında bir insan olmayabilir.

Bugün ChatGPT, Perplexity ya da benzeri araçlarla yapılan alışveriş araştırmaları hâlâ “yardımcı” gibi görünüyor. Ama araştırma ile satın alma arasındaki mesafe hızla kapanıyor. Aradaki sayfalar, formlar ve manuel adımlar azalıyor. Karar süreci kısalıyor. Bu da şirketlerin kullanıcıyı ikna etmek için sahip olduğu alanı daraltıyor.

Böyle bir ortamda görünür olmak artık sadece kullanıcıyı düşünerek mümkün değil. Makine tarafından okunabilir olmak da şart. Ürün bilgileri net mi, fiyatlama tutarlı mı, stok durumu açık mı, kurallar anlaşılır mı? AI ajanlar için bunlar belirleyici. Aksi hâlde güçlü markalar bile listelerin dışında kalabiliyor.

Bu yüzden agentic commerce, “bir gün olur” denilecek bir başlık değil. Bugünden düşünülmesi gereken bir konu. Mesele AI kullanmak değil; bu yeni düzende oyunun hangi kurallarla oynanacağını görmek.

Bu haftanın konusu olarak agentic commerce’i seçmemizin nedeni de bu. Çünkü bu başlık, yalnızca e-ticareti değil; satın alma kararlarının kim tarafından alındığını yeniden tanımlıyor.

1. Kullanıcı deneyimi yetmez, ajan deneyimi de tasarlamak gerekiyor.
Ürünleriniz insanlar için anlaşılır olabilir. Ama bir AI ajan için yeterince açık mı? Veri yapıları, fiyatlama mantığı ve kurallar, önümüzdeki dönemde rekabet avantajı hâline gelecek.

2. Marka gücü tek başına koruma sağlamıyor.
Agentic dünyada sadakat değil, performans konuşuyor. Daha yavaş, daha belirsiz ya da daha karmaşık olan geri plana itiliyor. Bu durum, güçlü markalar için bile geçerli.

3. Bu bir teknoloji projesi değil, iş modeli meselesi.
Agentic commerce’e hazırlık; web sitesi yenilemekten ibaret değil. Operasyon, veri, entegrasyon ve yönetişim tarafında bilinçli kararlar gerektiriyor. Ertelemek, görünmez olma riskini artırıyor.

Agentic commerce’in arkasındaki mantığı, teknik altyapıyı ve işletmeler için ne anlama geldiğini daha ayrıntılı ele aldığımız yazının tamamını ConAIs Blog’da bulabilirsiniz.

Sürdürülebilirlik, tıpkı yapay zekâ gibi, dünyayı yeniden şekillendiren bir paradigma değişiminin merkezinde yer alıyor. Artan kamuoyu baskısı, sıkılaşan regülasyonlar ve yatırımcı beklentileri; devletleri, şirketleri ve bireyleri somut adımlar atmaya zorluyor. Artık yalnızca “neden” değil, “nasıl” sorusu da net bir yanıt gerektiriyor.

ConAIs olarak biz, sürdürülebilirliğin yapay zekâ ile birlikte çok daha hızlı ve etkili biçimde ilerleyebileceğine inanıyoruz. Bu bölümde, AI destekli sürdürülebilirlik çözümlerini, pratik uygulamaları ve dünya genelinden örnekleri paylaşarak bu dönüşümün gerçek yüzünü göstermeyi amaçlıyoruz.

GHG (sera gazı) denetimleri çoğu sürdürülebilirlik profesyoneli için stresli geçer. Belgeler dağınık, veriler farklı kaynaklarda, teslim tarihi yakındır. Ancak artık bu süreci büyük ölçüde otomatikleştirmek mümkün. Google’ın NotebookLM ve Microsoft’un Copilot Notebook araçları, denetim öncesi hazırlık, belge yönetimi ve raporlama adımlarında yapay zekâyı aktif bir asistana dönüştürüyor. Aşağıdaki beş adım, bir denetimi daha az stresle ve çok daha verimli biçimde yürütmek için pratik bir yol sunuyor.

1️⃣ Belgeleri Akıllıca Seçin

AI’den en iyi sonucu almak için işe doğru belgelerle başlamak gerekiyor. Tüm klasörleri yüklemek yerine, denetiminizi gerçekten tanımlayan dokümanları seçin: GHG metodolojileri, ISO 14001 el kitabı, önceki denetim raporları, emisyon faktörleri, yakıt faturaları, QA/QC listeleri...

Bu belgeler yapay zekânın bilgi tabanını oluşturur. Ne kadar odaklı ve temiz bir veri seti sunarsanız, yanıtlar da o kadar isabetli olur.

2️⃣ Denetimi Önceden Simüle Edin

Gerçek denetimden önce bir “prova” yapın. Notebook’a şu tür sorular yöneltebilirsiniz:

AI, eksikleri veya çelişkileri kolayca fark eder, siz de bunları denetimden önce tamamlayabilirsiniz. Bu basit adım, stresin büyük kısmını ortadan kaldırır.

3️⃣ Denetim Sırasında Not Tutun

Toplantı notları, konuşma özetleri, gözlemler… Bunların hepsi zamanla kurumsal bir “denetim hafızası”na dönüşür.

Denetim sırasında yapay zekâyı aktif tutarak söylediklerinizi veya gelen soruları kaydedin. Böylece ileride benzer denetimlere hazırlanırken, önceki süreci saniyeler içinde hatırlayabilirsiniz.

4️⃣ Bilgilere Anında Erişin

Bir belge aramak için klasörler arasında dolaşmak yerine doğrudan sorun:

AI, belgeleri anında getirir. Dakikalar süren aramalar saniyelere iner, siz de toplantı akışını hiç bozmadan devam edersiniz.

5️⃣ Denetim Sonrasında Akıllı Takip

Denetim bittikten sonra yapay zekâyı devre dışı bırakmayın.

Son raporu, alınan notları ve gereken aksiyonları Notebook’a ekleyin. AI’den özet bir değerlendirme, yönetim sunumu veya takip planı hazırlamasını isteyin. Bu sayede denetim yalnızca tamamlanmış bir görev değil, geleceğe hazır bir dijital varlığa dönüşür.

Sonuç

Yapay zekâ, GHG denetimlerinde denetçilerin yerini almak için değil, süreci sadeleştirmek için var.

Doğru şekilde kullanıldığında denetimler daha şeffaf, izlenebilir ve öğretici hale geliyor.

AI destekli denetim sistemleri, sürdürülebilirlik ekipleri için yalnızca zaman kazandırmakla kalmıyor, kurumsal hafızayı güçlendiriyor. ConAIs, NotebookLM ve Copilot tabanlı çözümleri kurumların iç veri akışlarına entegre ederek, bu dönüşümün ilk adımını atmak isteyen ekiplerle birlikte çalışıyor. Buradan iletişime geçebilirsiniz.

Birçok kişi için NotebookLM, PDF yükleyip sohbet edilen bir araçtan ibaret. Oysa gerçekten verim alan kullanıcılar, NotebookLM’i tekil sorular sormak için değil; bilgiyi doğrulamak, biriktirmek ve anlamlandırmak için kullanıyor.

Aşağıdaki kullanım örnekleri, NotebookLM’in arayüzünde açıkça yazmayan ama günlük hayatta ciddi fark yaratan yaklaşımları öne çıkarıyor.

Üretken yapay zeka araçları hız kazandırıyor, ancak doğrulanmamış bilgi ciddi riskler yaratıyor. NotebookLM bu noktada “son kontrol katmanı” olarak konumlanmalı. Önce ChatGPT veya benzeri araçlarla taslak üretin, ardından bu taslağı ilgili tüm kaynaklarla birlikte NotebookLM’e yükleyin. Ardından net sorular sorun: “Bu metindeki hangi iddialar yüklenen kaynaklarda yer almıyor?” veya “Hangi ifadeler desteklenmeyen varsayımlara dayanıyor?” Bu yaklaşım, rapor, sunum ve resmi metinlerde yanlış bilgi kaynaklı hataları sistematik olarak azaltır. Buradaki kritik fark, üretimi değil doğrulamayı NotebookLM’e yaptırmaktır.

Çoğu kullanıcı aylar içinde onlarca ChatGPT konuşması, not ve fikir üretir; ancak bunlara geri dönmek neredeyse imkânsızdır. Çözüm, konu bazlı “ana dokümanlar” oluşturmaktır. Örneğin tek bir Google Docs dosyasında tarih, kısa başlık ve özetlerle tüm sohbetleri bir araya getirin. Bu dokümanı NotebookLM’e yüklediğinizde, araç farklı zamanlarda üretilmiş fikirler arasındaki tekrarları ve ortak temaları görünür kılar. Böylece bir zamanlar işe yarayan ama kaybolmuş “zombi notlar” yeniden kullanılabilir hale gelir.

Bilgi bolluğu çağında sorun, içeriğe erişim değil; anlamlı içgörü üretmektir. NotebookLM’i bu amaçla, farklı disiplinlerden kaynakları birlikte analiz etmek için kullanabilirsiniz. Akademik makaleler, sektör raporları, ürün duyuruları ve blog yazılarını aynı not defterinde toplayın. Ardından “Bu kaynaklarda tekrar eden yaklaşımlar neler?” veya “Aynı yöntem hangi farklı alanlarda kullanılıyor?” gibi sorular sorun. Tek tek okunduğunda görünmeyen eğilimler, bu çapraz analiz sayesinde ortaya çıkar ve bireysel kullanıcıya stratejik bir bakış kazandırır.

Uzun dokümanları okumaya zaman olmadığında NotebookLM’in sesli özet yetenekleri devreye girer. Toplantıdan hemen önce, bir teklif dosyasını veya raporu yükleyip “en kritik noktaları kapsayan 10 dakikalık bir sesli özet” oluşturabilirsiniz. Bu özetleri yolda, spor yaparken veya bekleme anlarında dinlemek, hazırlıksız gitmeye kıyasla ciddi bir avantaj sağlar. Bu yöntem, gün içinde fark edilmeden kaybolan zamanı öğrenme ve hazırlık süresine dönüştürür.

Birden fazla kaynaktan doğru alıntı toplamak manuel yapıldığında hem zaman alır hem de hata riski taşır. NotebookLM’e röportajlar, makaleler, toplantı notları veya kayıt dökümleri yükleyerek bu süreci otomatikleştirebilirsiniz. “X kişi Y konuda ne söyledi?” veya “Bu konu hakkında zaman içinde görüşler nasıl değişmiş?” gibi sorular, alıntıları bağlamı ve kaynağıyla birlikte çıkarır. Özellikle içerik üreten, araştırma yapan veya sunum hazırlayan bireysel kullanıcılar için bu yöntem büyük bir verimlilik sağlar.

NotebookLM’i değerli kılan şey, arayüzü ya da “akıllı” olması değil, onu ne için kullandığınız.

PDF özetleyen çok araç var ama kendi düşünce geçmişinizi toparlayan, kontrol eden ve bağlayan araç sayısı çok az.

NotebookLM bu yüzden ilginç: Küçük bir alışkanlık değişikliğiyle, sessiz ama kalıcı bir fark yaratabiliyor.

ConAI Compass’ta tüketici seviyesinde AI araçlarına bu gözle bakıyoruz. Büyük vaatlerden çok, küçük ama işe yarayan kullanımlar peşindeyiz.

Yıl bitmeden gelen bu haber, Meta’nın son dönemdeki AI hamlelerini tek bir başlık altında topluyor. Meta, genel amaçlı AI ajanlar geliştiren Manus’u satın aldı. Rakamlar resmî olarak açıklanmadı ama kulislerde konuşulan bedel 2 milyar doların üzerinde.

İlk bakışta bu, “büyük teknoloji şirketi bir AI girişimini daha bünyesine kattı” haberlerinden biri gibi görünebilir. Ama Manus’un ne yaptığına ve Meta’nın son bir yılda nereye yatırım yaptığına bakınca, burada daha net bir yön değişimi görülüyor.

Meta artık sadece daha iyi model peşinde koşmuyor. İşi baştan sona yapabilen sistemlerin peşinde.

Manus kendini hiçbir zaman klasik bir sohbet asistanı olarak konumlandırmadı. Yanıt vermekten çok, görev tamamlamaya odaklandı. Araştırma yapıyor, kod yazıyor, analiz üretiyor, çıktıyı revize ediyor ve işi bitiriyor. Arada kopmadan, yarım bırakmadan.

Bu fark küçük gibi görünüyor ama pratikte çok şey değiştiriyor. Kurumların AI projelerinde en sık yaşadığı sorunlardan biri tam da bu: Model akıllı ama süreç kırılıyor. Araçlar çalışmıyor, adımlar dağınık, kontrol zor. Manus’un asıl değeri, bu “ortadaki karmaşayı” yönetebilmesiydi.

Bir başka önemli nokta da şu: Manus kendi temel modelini geliştirmedi. Claude, Qwen gibi modelleri kullandı. Farkı, bu modelleri iş çıkaran bir sistemin parçası hâline getirmesinde yarattı. Sekiz ayda 100 milyon doların üzerinde yıllık gelire ulaşması da bunun tesadüf olmadığını gösteriyor.

Meta’nın son hamlelerine birlikte bakınca tablo netleşiyor: Scale AI yatırımı, giyilebilir AI cihazlar, açık kaynak LLaMA modelleri ve şimdi Manus.

Bu parçaların ortak noktası şu: Meta, AI’yı tek başına bir “zeka” olarak değil, operasyonel bir katman olarak görüyor. İçerik üretimi, reklam, ticaret, müşteri etkileşimi… Hepsi için aynı soru geçerli: “Bu işi kim yapacak?”

Manus bu soruya net bir cevap veriyor: Ajanlar.

Üstelik bu ajanların Meta ekosistemine oturması çok doğal. Instagram’da reklam veren küçük işletmeler, Facebook üzerinden müşteri mesajlarını yöneten markalar, içerik üreten bireyler… Bunların hepsi zaten yarı otomatik süreçlerle çalışıyor. Manus tarzı bir sistem, bu işleri uçtan uca devralabilecek bir yapı sunuyor.

Bu yüzden bu satın alma, “kurumsal yazılım” hamlesinden çok, Meta’nın kendi platformlarını daha agentic hâle getirme hamlesi olarak okunmalı.

Bu noktada haberi sadece Meta üzerinden okumak eksik kalır. Asıl mesele şu: Büyük oyuncular artık modelden çok yürüyen sistemleri satın alıyor.

Bu da işletmeler için üç önemli ders barındırıyor.

Hangi modeli kullandığınızdan çok, o modeli hangi iş akışına nasıl bağladığınız önem kazanıyor. Manus’un başarısı, “en iyi model” iddiasından değil, en az insan müdahalesiyle iş bitirebilmesinden geldi.

Planlama, araç çağırma, hatadan geri dönme, çıktıyı takip etme… Bunlar artık yan detay değil. Meta’nın bu katman için milyarlar ödemesi, bu alanın kalıcı olduğunu gösteriyor.

Bu tarz satın almalar, agentic sistemlerin geçici bir trend olmadığını netleştiriyor. Kendi süreçlerini agent’lara uygun şekilde tasarlamayan şirketler, birkaç yıl içinde ciddi verim ve hız farklarıyla karşılaşacak.

Meta’nın Manus’u satın alması, “herkes Manus kullansın” demek değil. Hatta Meta’nın geçmişte bazı kurumsal ürünlerde istikrarsız olduğu da biliniyor. Ama bu hamle, başka bir şeyi çok net söylüyor:

Bu yüzden bu haberi bir satın alma duyurusu olarak değil, AI yol haritalarını gözden geçirmek için güçlü bir işaret olarak okumak gerekiyor.

Agent’lar artık demo değil. Altyapı hâline geliyor.

Bu hafta da ConAI Compass’ın sonuna geldik. Yapay zekânın kurumlara, profesyonellere ve sürdürülebilirlik hedeflerine nasıl somut değer kattığını birlikte inceledik.

ConAIs olarak, teknolojiyi sadece bir araç değil, stratejik büyümenin ve dönüşümün katalizörü olarak görüyoruz. Eğer kurumunuzda yapay zekâyı yapılandırmak, iş süreçlerinize entegre etmek veya sürdürülebilirlik hedeflerinizle uyumlu hale getirmek istiyorsanız, aşağıdaki alanlarda size destek olabiliriz:

🔹 AI Stratejisi ve Dönüşüm Danışmanlığı – İş birimlerine özel yapay zekâ yol haritaları, veri altyapısı planlaması ve pilot uygulama tasarımı.

🔹 AI Uygulamaları ve Otomasyon Geliştirme – Üretken yapay zekâ destekli iç süreç otomasyonları, müşteri etkileşim sistemleri ve karar destek araçları.

🔹 Sürdürülebilirlik ve AI Çözümleri – Scope 3 veri takibi, enerji verimliliği analitiği ve karbon azaltım stratejilerini destekleyen yapay zekâ modelleri.

🔹 Eğitim ve Kapasite Geliştirme – Kurum içi ekiplerin yapay zekâyı etkin kullanması için atölye, uygulamalı eğitim ve yöneticiye özel oryantasyon programları.

ConAIs ile tanışın; birlikte daha akıllı, daha sürdürülebilir ve daha verimli bir gelecek inşa edelim.